Cara menghitung interval kepercayaan binomial dengan python

Interval kepercayaan untuk probabilitas binomial dihitung menggunakan rumus berikut:

Interval kepercayaan = p +/- z*(√ p(1-p) / n )

Emas:

• p: proporsi “keberhasilan”
• z: nilai z yang dipilih
• n: ukuran sampel

Cara termudah untuk menghitung interval kepercayaan jenis ini dengan Python adalah dengan menggunakan fungsi Proportion_confint() dari paket statsmodels :

 proportion_confint ( count , nobs , alpha = 0.05 , method = ' normal ' )

Emas:

• count : Jumlah keberhasilan
• nobs : Jumlah total percobaan
• alpha : tingkat signifikansi (standarnya adalah 0,05)
• metode : metode yang digunakan untuk interval kepercayaan (defaultnya adalah “normal”)

Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.

Contoh: Hitung Interval Keyakinan Binomial dengan Python

Misalkan kita ingin memperkirakan proporsi penduduk di suatu daerah yang mendukung undang-undang tertentu.

Kami memutuskan untuk memilih sampel acak sebanyak 100 penduduk dan menemukan bahwa 56 di antaranya mendukung undang-undang tersebut.

Kita dapat menggunakan fungsi Proportion_confint() untuk menghitung interval kepercayaan 95% untuk proporsi sebenarnya penduduk yang memiliki undang-undang ini di seluruh wilayah:

 from statsmodels. stats . proportion import proportion_confint

#calculate 95% confidence interval with 56 successes in 100 trials
proportion_confint(count= 56 , nobs= 100 )

(0.4627099463758483, 0.6572900536241518)

Interval kepercayaan 95% untuk proporsi sebenarnya penduduk daerah yang mendukung undang-undang tersebut adalah [0,4627, 0,6573] .

Secara default, fungsi ini menggunakan perkiraan normal asimtotik untuk menghitung interval kepercayaan. Namun, kita dapat menggunakan argumen metode untuk menggunakan metode yang berbeda.

Misalnya, fungsi default yang digunakan dalam bahasa pemrograman R untuk menghitung interval kepercayaan binomial adalah interval skor Wilson.

Kita dapat menggunakan sintaks berikut untuk menentukan metode ini ketika menghitung interval kepercayaan dengan Python:

 from statsmodels. stats . proportion import proportion_confint

#calculate 95% confidence interval with 56 successes in 100 trials
proportion_confint(count= 56 , nobs= 100 , method=' wilson ')

(0.4622810465167698, 0.6532797336983921)

Hal ini menunjukkan bahwa interval kepercayaan 95% untuk proporsi sebenarnya penduduk daerah yang mendukung undang-undang tersebut adalah [0,4623, 0,6533] .

Interval kepercayaan ini sedikit berbeda dengan interval kepercayaan yang dihitung menggunakan pendekatan normal.

Perhatikan bahwa kita juga dapat menyesuaikan nilai alfa untuk menghitung interval kepercayaan yang berbeda.

Misalnya, kita dapat menyetel alfa ke 0,10 untuk menghitung interval kepercayaan 90%:

 from statsmodels. stats . proportion import proportion_confint

#calculate 90% confidence interval with 56 successes in 100 trials
proportion_confint(count= 56 , nobs= 100 , alpha= 0.10 , method=' wilson ')

(0.47783814499647415, 0.6390007285095451)

Hal ini menunjukkan bahwa interval kepercayaan 90% untuk proporsi sebenarnya penduduk daerah yang mendukung undang-undang tersebut adalah [0,4778, 0,6390] .

Catatan : Anda dapat menemukan dokumentasi lengkap untuk fungsi Proportion_confint() di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya dengan Python:

Cara memplot interval kepercayaan dengan Python
Cara Menggunakan Distribusi Binomial dengan Python